xxxxxxxxxx
 
# План​<article id="back">    [Шаг 1. Загрузить данные](#step1)​[Шаг 2. Провести исследовательский анализ данных (EDA)](#step2)​[Шаг 3. Построить модель прогнозирования оттока пользователей](#step3)​[Шаг 4. Сделать кластеризацию пользователей](#step4)​[Шаг 5. Сформулировать выводы и сделать базовые рекомендации по работе с клиентами](#step5)

План¶

В [1]:

xxxxxxxxxx
 
import osc.TemplateExporter.template_path = ['.', os.path.expanduser('~/.jupyter/templates/')]

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-1-9bff4a0a6096> in <module>
      1 import os
----> 2 c.TemplateExporter.template_path = ['.', os.path.expanduser('~/.jupyter/templates/')]

NameError: name 'c' is not defined

В [1]:

xxxxxxxxxx
 
# Импортирую нужные библиотекиimport pandas as pd​import matplotlib.pyplot as pltimport seaborn as snsimport plotly.express as px​​from sklearn.model_selection import train_test_splitfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score, precision_score, recall_scorefrom sklearn.preprocessing import StandardScalerfrom sklearn.cluster import KMeans​from scipy.cluster.hierarchy import dendrogram, linkage​​# Убираем предупреждения об ошибкахimport warningswarnings.simplefilter("ignore")

xxxxxxxxxx
 
# Шаг 1. Загрузить данные <a id="step1"></a>​

Шаг 1. Загрузить данные ¶

В [2]:

xxxxxxxxxx
 
#Прочитаю и выведу инофрмацию по даннымdata = pd.read_csv('gym_churn.csv')​data.info()​data.describe(include='all')

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4000 entries, 0 to 3999
Data columns (total 14 columns):
 #   Column                             Non-Null Count  Dtype  
---  ------                             --------------  -----  
 0   gender                             4000 non-null   int64  
 1   Near_Location                      4000 non-null   int64  
 2   Partner                            4000 non-null   int64  
 3   Promo_friends                      4000 non-null   int64  
 4   Phone                              4000 non-null   int64  
 5   Contract_period                    4000 non-null   int64  
 6   Group_visits                       4000 non-null   int64  
 7   Age                                4000 non-null   int64  
 8   Avg_additional_charges_total       4000 non-null   float64
 9   Month_to_end_contract              4000 non-null   float64
 10  Lifetime                           4000 non-null   int64  
 11  Avg_class_frequency_total          4000 non-null   float64
 12  Avg_class_frequency_current_month  4000 non-null   float64
 13  Churn                              4000 non-null   int64  
dtypes: float64(4), int64(10)
memory usage: 437.6 KB

Out[2]:

	gender	Near_Location	Partner	Promo_friends	Phone	Contract_period	Group_visits	Age	Avg_additional_charges_total	Month_to_end_contract	Lifetime	Avg_class_frequency_total	Avg_class_frequency_current_month	Churn
count	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000	4000.000000
mean	0.510250	0.845250	0.486750	0.308500	0.903500	4.681250	0.412250	29.184250	146.943728	4.322750	3.724750	1.879020	1.767052	0.265250
std	0.499957	0.361711	0.499887	0.461932	0.295313	4.549706	0.492301	3.258367	96.355602	4.191297	3.749267	0.972245	1.052906	0.441521
min	0.000000	0.000000	0.000000	0.000000	0.000000	1.000000	0.000000	18.000000	0.148205	1.000000	0.000000	0.000000	0.000000	0.000000
25%	0.000000	1.000000	0.000000	0.000000	1.000000	1.000000	0.000000	27.000000	68.868830	1.000000	1.000000	1.180875	0.963003	0.000000
50%	1.000000	1.000000	0.000000	0.000000	1.000000	1.000000	0.000000	29.000000	136.220159	1.000000	3.000000	1.832768	1.719574	0.000000
75%	1.000000	1.000000	1.000000	1.000000	1.000000	6.000000	1.000000	31.000000	210.949625	6.000000	5.000000	2.536078	2.510336	1.000000
max	1.000000	1.000000	1.000000	1.000000	1.000000	12.000000	1.000000	41.000000	552.590740	12.000000	31.000000	6.023668	6.146783	1.000000

xxxxxxxxxx
 
По этим данным можно сделать выводы:​- примерно поровну мужчин и женщин- большинство (84,5%) проживаниет или работает в районе, где находится фитнес-центр- почти половина сотрудник компании-партнёра клуба- контактный номер телефона есть почти у всех (90,3%)- 40% клиентов посещает групповые занятия- средний отток составляет 26,5%- возраст варьируется от 18 до 41- средний возраст 29- средняя частота посещений в неделю - меньше двух

По этим данным можно сделать выводы:

примерно поровну мужчин и женщин
большинство (84,5%) проживаниет или работает в районе, где находится фитнес-центр
почти половина сотрудник компании-партнёра клуба
контактный номер телефона есть почти у всех (90,3%)
40% клиентов посещает групповые занятия
средний отток составляет 26,5%
возраст варьируется от 18 до 41
средний возраст 29
средняя частота посещений в неделю - меньше двух

В [3]:

xxxxxxxxxx
 
# Приведу колонки к нижнему региструdata.columns = data.columns.str.lower()​# Проверю на дубликатыprint('Количество дубликатов в данных:',data.duplicated().sum())​# Выведу информациюdisplay(data.head())data.tail()

Количество дубликатов в данных: 0

	gender	near_location	partner	promo_friends	phone	contract_period	group_visits	age	avg_additional_charges_total	month_to_end_contract	lifetime	avg_class_frequency_total	avg_class_frequency_current_month
0	1	1	1	1	0	6	1	29	14.227470	5.0	3	0.020398	0.000000
1	0	1	0	0	1	12	1	31	113.202938	12.0	7	1.922936	1.910244
2	0	1	1	0	1	1	0	28	129.448479	1.0	2	1.859098	1.736502
3	0	1	1	1	1	12	1	33	62.669863	12.0	2	3.205633	3.357215
4	1	1	1	1	1	1	0	26	198.362265	1.0	3	1.113884	1.120078

Out[3]:

	gender	near_location	partner	promo_friends	phone	contract_period	group_visits	age	avg_additional_charges_total	month_to_end_contract	lifetime	avg_class_frequency_total	avg_class_frequency_current_month	churn
3995	1	1	1	0	1	12	0	33	2.406023	12.0	8	2.284497	2.349070	0
3996	0	1	0	0	1	1	1	29	68.883764	1.0	1	1.277168	0.292859	1
3997	1	1	1	1	1	12	0	28	78.250542	11.0	2	2.786146	2.831439	0
3998	0	1	1	1	1	6	0	32	61.912657	5.0	3	1.630108	1.596237	0
3999	1	0	1	0	0	12	1	30	178.861814	12.0	1	1.101832	1.035270	0

В [4]:

xxxxxxxxxx
 
# Посмотрю на уникальные значения столбцов for column in data.columns:    print(column,":")    print(data[column].unique())

gender :
[1 0]
near_location :
[1 0]
partner :
[1 0]
promo_friends :
[1 0]
phone :
[0 1]
contract_period :
[ 6 12  1]
group_visits :
[1 0]
age :
[29 31 28 33 26 34 32 30 23 27 35 25 36 24 21 37 22 19 20 38 39 18 41]
avg_additional_charges_total :
[ 14.22747042 113.20293765 129.44847933 ...  78.25054157  61.91265691
 178.86181361]
month_to_end_contract :
[ 5. 12.  1.  6.  3. 10. 11.  9.  4.  7.  8.  2.]
lifetime :
[ 3  7  2  0  1 11  4  8 14  6  5 15 12 21 10 20  9 13 17 16 24 22 31 26
 23 18 19 27 29]
avg_class_frequency_total :
[0.02039795 1.92293606 1.85909835 ... 2.78614636 1.63010814 1.10183221]
avg_class_frequency_current_month :
[0.         1.91024352 1.73650189 ... 2.8314395  1.59623664 1.03526976]
churn :
[0 1]

xxxxxxxxxx
 
C данными проблем нет.​Нет дулбикатов, нет пропусков, корректный возраст от 18 до 41, нет отрицательных значений. Приступаем к следующему шагу​<a href="#back">В начало</a>

C данными проблем нет.

Нет дулбикатов, нет пропусков, корректный возраст от 18 до 41, нет отрицательных значений. Приступаем к следующему шагу

В начало

xxxxxxxxxx
 
# Шаг 2. Провести исследовательский анализ данных (EDA)  <a id="step2"> </a>

Шаг 2. Провести исследовательский анализ данных (EDA)¶

В [5]:

xxxxxxxxxx
 
# Посмотриm на средние значения признаков в двух группахdata.groupby('churn').mean()

Out[5]:

	gender	near_location	partner	promo_friends	phone	contract_period	group_visits	age	avg_additional_charges_total	month_to_end_contract	lifetime	avg_class_frequency_total	avg_class_frequency_current_month
churn
0	0.510037	0.873086	0.534195	0.353522	0.903709	5.747193	0.464103	29.976523	158.445715	5.283089	4.711807	2.024876	2.027882
1	0.510839	0.768143	0.355325	0.183789	0.902922	1.728558	0.268615	26.989632	115.082899	1.662582	0.990575	1.474995	1.044546

xxxxxxxxxx
 
Из усреднённых данных видно, что различия есть в  признаках. У тех кто ушел в отток признаки меньше.

Из усреднённых данных видно, что различия есть в признаках. У тех кто ушел в отток признаки меньше.

В [6]:

xxxxxxxxxx
 
# Построем гистограммы. Для этого сделаем цикл sns.set()​​for column in data.columns.drop('churn'):    figsize=(8,4)    data.groupby('churn')[column].plot(kind = 'hist',legend=True,bins=20)        plt.legend(['Остались','Ушли'])    plt.xlabel('Распределение признака')    plt.ylabel('Количество')    plt.title(column)    plt.show()

xxxxxxxxxx
 
Из графиков видно:- У обоих полов уходят примерно одинаковое количество людей- доля клиентов не проживающих или работающих в районе, где находится фитнес-центр намного меньше.- сотрудников компании-партнёра клуба больше и  уходили они реже. - людей которые использовала промо-код от знакомого при оплате первого абонемента меньше и отток у них на много реже(вместе заниматься всегда веселее)- мало клиентов которые не указывали контактный телефон.- чаще всего клиенты уходили когда длительность абонемента была 1 мес.- те кто посещал групповые визиты уходили реже. - пик ухода по возрасту примерно 27 лет. Клиенты возрастом до 25 лет уходят чаще чем остаются. Больше всего клиентов возрастом 30 лет.- средняя частота посещений в неделю за предыдущий месяц больше всего 0, почти не ходят 3 и более раз.​

Из графиков видно:

У обоих полов уходят примерно одинаковое количество людей
доля клиентов не проживающих или работающих в районе, где находится фитнес-центр намного меньше.
сотрудников компании-партнёра клуба больше и уходили они реже.
людей которые использовала промо-код от знакомого при оплате первого абонемента меньше и отток у них на много реже(вместе заниматься всегда веселее)
мало клиентов которые не указывали контактный телефон.
чаще всего клиенты уходили когда длительность абонемента была 1 мес.
те кто посещал групповые визиты уходили реже.
пик ухода по возрасту примерно 27 лет. Клиенты возрастом до 25 лет уходят чаще чем остаются. Больше всего клиентов возрастом 30 лет.
средняя частота посещений в неделю за предыдущий месяц больше всего 0, почти не ходят 3 и более раз.

В [7]:

xxxxxxxxxx
 
# Построим матрицу корреляцииplt.figure(figsize =(20,10))sns.heatmap(data.corr(),annot=True,vmax = .7,cmap="BuPu",fmt='0.2f')​plt.show()

xxxxxxxxxx
 
Матрица корреляций подтверждает картину на графиках. Больше всего на отток пользователей влияет:- время с момента первого обращения в фитнес-центр- средняя частота посещений в неделю за предыдущий месяц- возраст- срок до окончания текущего действующего абонемента ​Проживание или работа в районе, где находится фитнес-центр положительно коррелирует с акцией «приведи друга» . Так же положительно коррелируют если клиент сотрудник компании-партнёра клуба с акцией «приведи друга» или с длительностью текущего действующего абонемента 

Матрица корреляций подтверждает картину на графиках. Больше всего на отток пользователей влияет:

время с момента первого обращения в фитнес-центр
средняя частота посещений в неделю за предыдущий месяц
возраст
срок до окончания текущего действующего абонемента

Проживание или работа в районе, где находится фитнес-центр положительно коррелирует с акцией «приведи друга» . Так же положительно коррелируют если клиент сотрудник компании-партнёра клуба с акцией «приведи друга» или с длительностью текущего действующего абонемента

xxxxxxxxxx
 
<a href="#back">В начало</a>

В начало

xxxxxxxxxx
 
# Шаг 3. Построить модель прогнозирования оттока пользователей<a id="step3"> </a>

Шаг 3. Построить модель прогнозирования оттока пользователей¶

В [8]:

xxxxxxxxxx
 
# Разобьем данные на обучающую и валидационную выборкуX = data.drop('churn',axis = 1)y = data['churn']​X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,random_state = 0,stratify = y)

xxxxxxxxxx
 
Обучим модель на train-выборке двумя способами.​Логистической регрессией и случайным лесом. Для этого сделаю цикл и оцениню метрики accuracy, precision и recall для обеих моделей на валидационной выборке

Обучим модель на train-выборке двумя способами.

Логистической регрессией и случайным лесом. Для этого сделаю цикл и оцениню метрики accuracy, precision и recall для обеих моделей на валидационной выборке

В [9]:

xxxxxxxxxx
 
# Цикл для обучения моделейfor model in [LogisticRegression(random_state=0),RandomForestClassifier(random_state=0)]:    model.fit(X_train,y_train)    y_pred = model.predict(X_test)    print('Accuracy: {:.2f}'.format(accuracy_score(y_test,y_pred)))    print('Precision: {:.2f}'.format(precision_score(y_test,y_pred)))    print('Recall: {:.2f}'.format(recall_score(y_test,y_pred)))    print(" ")

Accuracy: 0.92
Precision: 0.87
Recall: 0.80
 
Accuracy: 0.92
Precision: 0.88
Recall: 0.83

xxxxxxxxxx
 
Метрика `Accuracy` Это доля верно угаданных ответов из всех прогнозов​`Precision` (Точность) и `Recall` (полнота) чтобы оценить модель без привязки к соотношению классов.precision говорит, какая доля прогнозов относительно "1" класса верна. recall показывает, сколько реальных объектов "1" класса вы смогли обнаружить с помощью модели.​Хоть и точность у обоих моделей одинаковая но полнота у логистической регрессии лучше.​Логистической регрессией показала себя лучше чем случайный лес.​​<a href="#back">В начало</a>

Метрика Accuracy Это доля верно угаданных ответов из всех прогнозов

Precision (Точность) и Recall (полнота) чтобы оценить модель без привязки к соотношению классов. precision говорит, какая доля прогнозов относительно "1" класса верна. recall показывает, сколько реальных объектов "1" класса вы смогли обнаружить с помощью модели.

Хоть и точность у обоих моделей одинаковая но полнота у логистической регрессии лучше.

Логистической регрессией показала себя лучше чем случайный лес.

В начало

xxxxxxxxxx
 
# Шаг 4. Сделать кластеризацию пользователей<a id="step4"> </a>

Шаг 4. Сделать кластеризацию пользователей¶

В [10]:

xxxxxxxxxx
 
# Для начала стандартизируем данные.scaler = StandardScaler()# Обучаем и стандартизируем данныеX_st = scaler.fit_transform(X)​X_st # Выведу на экран

Out[10]:

array([[ 0.97970588,  0.42788074,  1.02686062, ..., -0.19332863,
        -1.91191971, -1.67847198],
       [-1.0207145 ,  0.42788074, -0.973842  , ...,  0.87368001,
         0.04517569,  0.1360137 ],
       [-1.0207145 ,  0.42788074,  1.02686062, ..., -0.46008079,
        -0.02049263, -0.02901851],
       ...,
       [ 0.97970588,  0.42788074,  1.02686062, ..., -0.46008079,
         0.93313947,  1.01103141],
       [-1.0207145 ,  0.42788074,  1.02686062, ..., -0.19332863,
        -0.25604937, -0.16225246],
       [ 0.97970588, -2.33709981,  1.02686062, ..., -0.72683295,
        -0.79947418, -0.69509885]])

В [11]:

xxxxxxxxxx
 
# Сделаю матрицу расстоянийlinked = linkage(X_st, method = 'ward') # В переменной linked сохранена таблица «связок» между объектами.​# Нарисуем дендрограмму. plt.figure(figsize=(15, 10))    # Внимание: отрисовка дендрограммы может занять время!​dendrogram(linked, orientation='top')​plt.show()

xxxxxxxxxx
 
На основании полученного, можно выделить 4 кластера клиентов. Для более детального рассмотрения  можно выделить 6 кластеров клиента(т.к. фиолетовый можно разделить на 3 больших кластера)

На основании полученного, можно выделить 4 кластера клиентов. Для более детального рассмотрения можно выделить 6 кластеров клиента(т.к. фиолетовый можно разделить на 3 больших кластера)

В [12]:

xxxxxxxxxx
 
# Обучиm модель кластеризации. За число кластеров возьмём n = 5# задаём модель k_means с числом кластеров 5km = KMeans(n_clusters = 5, random_state = 0)# прогнозируем кластеры для наблюдений (алгоритм присваивает им номера от 0 до 4)labels = km.fit_predict(X_st)​# сохраняем метки кластера в поле нашего датасетаdata['cluster'] = labels​# Выведу на экранdata.head()

Out[12]:

	gender	near_location	partner	promo_friends	phone	contract_period	group_visits	age	avg_additional_charges_total	month_to_end_contract	lifetime	avg_class_frequency_total	avg_class_frequency_current_month	cluster
0	1	1	1	1	0	6	1	29	14.227470	5.0	3	0.020398	0.000000	0
1	0	1	0	0	1	12	1	31	113.202938	12.0	7	1.922936	1.910244	4
2	0	1	1	0	1	1	0	28	129.448479	1.0	2	1.859098	1.736502	3
3	0	1	1	1	1	12	1	33	62.669863	12.0	2	3.205633	3.357215	4
4	1	1	1	1	1	1	0	26	198.362265	1.0	3	1.113884	1.120078	3

В [13]:

xxxxxxxxxx
 
# выводим статистику по средним значениям наших признаков по кластеруdata.groupby('cluster').mean()

Out[13]:

	gender	near_location	partner	promo_friends	phone	contract_period	group_visits	age	avg_additional_charges_total	month_to_end_contract	lifetime	avg_class_frequency_total	avg_class_frequency_current_month	churn
cluster
0	0.522078	0.862338	0.470130	0.306494	0.000000	4.787013	0.425974	29.301299	143.957664	4.475325	3.924675	1.847220	1.716369	0.267532
1	0.480787	0.812559	0.000000	0.086223	1.000000	1.866917	0.325211	28.145267	131.369042	1.791003	2.345829	1.325865	1.086883	0.550141
2	0.559567	0.858002	0.338147	0.197353	0.998797	2.730445	0.448857	30.196149	164.579011	2.519856	5.010830	2.928140	2.934140	0.048135
3	0.509603	0.750320	1.000000	0.451985	1.000000	2.554417	0.303457	28.499360	129.812508	2.370038	2.832266	1.355379	1.176172	0.395647
4	0.495726	0.943376	0.752137	0.541667	1.000000	11.352564	0.564103	29.993590	164.563799	10.376068	4.817308	2.028169	2.020129	0.023504

xxxxxxxxxx
 
Кластеры почти не отличаются по среднему возрасту и полу.​`Кластер 0`:​- клиенты с самой большой длительностью контракта- с высокой вероятностью пользующиеся партнерской программой или приглашениями друзей- большие траты на дополнительные услуги фитнес-центра- cамая большая вероятность посещения групповых занятий- живут или работают возле фитнес-центра- самый большой срок до окончания текущего действующего абонемента (в месяцах)- отток 2%- средняя частота посещений в неделю за предыдущий месяц 2 раза​`Кластер 1`:​- меньший срок контракта и меньшее количество посещений групповых занятий, чем в кластере 0- для них характерна меньшая частота посещений (менее 2), которая падает за последний месяц;- нет наличия контактного телефона- отток 26% ​`Кластеры 2 и 3`:​- клиенты с самой большой вероятностью оттока- самая низкая продолжительность контракта;- самое низкое среднее количество посещений групповых занятий- самая значительная разница между посещением в среднем и посещением за последний месяц - второе значительно ниже- для кластера 3 характерен самый низкий среди всех кластеров средний возраст-  показатели акции «приведи друга» для кластера 2 самые низкие в датасете;- в кластер 2 попали только те, кто не живет/работает возле фитнес-центра.​`Кластер 4`:​- самые большие траты на дополнительные услуги фитнес-центра- самая высокая посещаемость, которая не падает за последний месяц- самый высокий среди всех кластеров средний возраст- большая вероятность посещения групповых занятий

Кластеры почти не отличаются по среднему возрасту и полу.

Кластер 0:

клиенты с самой большой длительностью контракта
с высокой вероятностью пользующиеся партнерской программой или приглашениями друзей
большие траты на дополнительные услуги фитнес-центра
cамая большая вероятность посещения групповых занятий
живут или работают возле фитнес-центра
самый большой срок до окончания текущего действующего абонемента (в месяцах)
отток 2%
средняя частота посещений в неделю за предыдущий месяц 2 раза

Кластер 1:

меньший срок контракта и меньшее количество посещений групповых занятий, чем в кластере 0
для них характерна меньшая частота посещений (менее 2), которая падает за последний месяц;
нет наличия контактного телефона
отток 26%

Кластеры 2 и 3:

клиенты с самой большой вероятностью оттока
самая низкая продолжительность контракта;
самое низкое среднее количество посещений групповых занятий
самая значительная разница между посещением в среднем и посещением за последний месяц - второе значительно ниже
для кластера 3 характерен самый низкий среди всех кластеров средний возраст
показатели акции «приведи друга» для кластера 2 самые низкие в датасете;
в кластер 2 попали только те, кто не живет/работает возле фитнес-центра.

Кластер 4:

самые большие траты на дополнительные услуги фитнес-центра
самая высокая посещаемость, которая не падает за последний месяц
самый высокий среди всех кластеров средний возраст
большая вероятность посещения групповых занятий

В [14]:

xxxxxxxxxx
 
data.head(10).T # Переверну 

Out[14]:

	0	1	2	3	4	5	6	7	8	9
gender	1.000000	0.000000	0.000000	0.000000	1.000000	1.000000	1.000000	0.000000	1.000000	0.000000
near_location	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000
partner	1.000000	0.000000	1.000000	1.000000	1.000000	0.000000	1.000000	0.000000	1.000000	0.000000
promo_friends	1.000000	0.000000	0.000000	1.000000	1.000000	0.000000	1.000000	0.000000	1.000000	0.000000
phone	0.000000	1.000000	1.000000	1.000000	1.000000	1.000000	0.000000	1.000000	1.000000	1.000000
contract_period	6.000000	12.000000	1.000000	12.000000	1.000000	1.000000	6.000000	1.000000	1.000000	1.000000
group_visits	1.000000	1.000000	0.000000	1.000000	0.000000	1.000000	1.000000	0.000000	1.000000	0.000000
age	29.000000	31.000000	28.000000	33.000000	26.000000	34.000000	32.000000	30.000000	23.000000	31.000000
avg_additional_charges_total	14.227470	113.202938	129.448479	62.669863	198.362265	450.743960	94.266389	217.786641	45.409909	65.310836
month_to_end_contract	5.000000	12.000000	1.000000	12.000000	1.000000	1.000000	6.000000	1.000000	1.000000	1.000000
lifetime	3.000000	7.000000	2.000000	2.000000	3.000000	3.000000	2.000000	0.000000	1.000000	11.000000
avg_class_frequency_total	0.020398	1.922936	1.859098	3.205633	1.113884	2.623477	1.138941	1.213502	1.106239	1.810852
avg_class_frequency_current_month	0.000000	1.910244	1.736502	3.357215	1.120078	2.637007	1.277242	1.049387	1.059333	1.951368
churn	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1.000000	0.000000	0.000000
cluster	0.000000	4.000000	3.000000	4.000000	3.000000	2.000000	0.000000	1.000000	3.000000	2.000000

В [15]:

xxxxxxxxxx
 
# Сделаю распределение признаков для кластеровfor column in data.columns.drop(['cluster','churn','avg_class_frequency_current_month','avg_class_frequency_total','avg_additional_charges_total','age']):​    sns.catplot(x="cluster", y=column, hue="churn",                data=data,                kind="bar", ci=None,legend=False)        plt.title(column)    plt.ylabel(" ")    plt.legend(['Остались','Ушли'],framealpha=.2,loc='best')    plt.show()

В [16]:

xxxxxxxxxx
 
# Сделаю распределение признаков для кластеровfor_box = ['avg_class_frequency_current_month','avg_class_frequency_total','avg_additional_charges_total','age']for column in for_box:    fig = px.box(data,x='cluster', y=column,color='churn',title=column)        fig.show()

xxxxxxxxxx
 
Средняя частота посещений в неделю за все время с начала действия абонемента у 3 кластера в оттоке выше чем у тех кто остался. В остальном у тех кто остались показатели выше. только в 2-х кластерах есть 18 летние и они в оттоке. Средний возраст 30 лет, как и писал выше.

Средняя частота посещений в неделю за все время с начала действия абонемента у 3 кластера в оттоке выше чем у тех кто остался. В остальном у тех кто остались показатели выше. только в 2-х кластерах есть 18 летние и они в оттоке. Средний возраст 30 лет, как и писал выше.

В [17]:

xxxxxxxxxx
 
# Посчитаем долю оттока# Посчитаем общее количество клиентовshare = data.groupby('cluster').agg(total=('gender','count')).reset_index() # Посчитаем количество клиентов которые ушлиshare['churn'] = data.groupby('cluster')['churn'].sum()# Посчитаем долю оттокаshare['percent_churn'] = round((share['churn'] / share['total'])* 100,2)​share # Выведем на экран

Out[17]:

	cluster	total	churn	percent_churn
0	0	385	103	26.75
1	1	1067	587	55.01
2	2	831	40	4.81
3	3	781	309	39.56
4	4	936	22	2.35

xxxxxxxxxx
 
Самые надежные кластеры это `0` и `4` . У `0` ушло `2.77%` а у `4` `6.81%`. Склонные к оттоку кластеры это `2(44.36%)` и `3(51.43%)`​​<a href="#back">В начало</a>

Самые надежные кластеры это 0 и 4 . У 0 ушло 2.77% а у 4 6.81%. Склонные к оттоку кластеры это 2(44.36%) и 3(51.43%)

В начало

xxxxxxxxxx
 
# Шаг 5. Сформулировать выводы и сделать базовые рекомендации по работе с клиентами<a id="step5"> </a>

Шаг 5. Сформулировать выводы и сделать базовые рекомендации по работе с клиентами¶

xxxxxxxxxx
 
###  Качество данныхХорошо бы иметь больше данных для построения более качественной модели клиента. Т.к не известно за какой период собраны эти данные, может они уже не актуальны. В какой валюте тратят клиенты деньги, на что именно. По этим параметрам можно составить и доработать модель клиента. Какие групповые занятия посещают и т.к​### Общие характеристики клиентов, которые склонны к оттокуСамые важные причины, влияющие на отток пользователей, следующие:​- меньший возраст- отсутствие проживания или работы в районе, где находится фитнес-центр- маленькая продолжительность контракта,- низкий уровень партнерских программ и акции "приведи друга" -  низкий факт посещения групповых занятий​### РекомендацииДля группы пользователей кластера `0` и `4` лучше ничего не делать, пока показатели не изменяться. Зачем влезать туда что и так хорошо работает​`1` кластеру можно предложить новые групповые занятия или скидку,бесплатную услугу от фитнес-центра: кафе, спорт-товары, косметический и массажный салон т.к их показатели высоки и им чего-то не хватает. Здесь надо провести более детальный анализ.Но этим людям не надо быть навязчивыми это может их отпугнуть т.к они не оставляли свой номер телефона. Это может говорить о том что лишний спам им не нужен.​`2` кластер. Это люди которые не проживанию или работают в районе, где находится фитнес-центр. Так же у них низкий показатель акции «приведи друга» и факт посещения групповых занятий. Возможно, им скучно заниматься одним или они находят фитнес-центр поближе к дому или работе. Можно попробовать предложить им побольше групповых занятий, там они могут познакомиться с людьми и вместе ходить в зал и тогда расстояние покажется незначительной проблемой.​`3` кластер. Это самая большая группа людей и так же они самая молодая группа. Они посещают реже всех фитнес-центр, может дело в работе, нехватает мотивации или дело в сезоне. Ведь неизвестно когда они уходили. Им можно предложить скидку на абонемент для дополнительной мотивации или сделать упор на другие услуги фитнес-центра, вроде массажа, сауны, бассейна чтобы они могли расслабиться после работы. 

Качество данных¶

Хорошо бы иметь больше данных для построения более качественной модели клиента. Т.к не известно за какой период собраны эти данные, может они уже не актуальны. В какой валюте тратят клиенты деньги, на что именно. По этим параметрам можно составить и доработать модель клиента. Какие групповые занятия посещают и т.к

Общие характеристики клиентов, которые склонны к оттоку¶

Самые важные причины, влияющие на отток пользователей, следующие:

меньший возраст
отсутствие проживания или работы в районе, где находится фитнес-центр
маленькая продолжительность контракта,
низкий уровень партнерских программ и акции "приведи друга"
низкий факт посещения групповых занятий

План¶

Шаг 1. Загрузить данные ¶

Шаг 2. Провести исследовательский анализ данных (EDA)¶

Шаг 3. Построить модель прогнозирования оттока пользователей¶

Шаг 4. Сделать кластеризацию пользователей¶

Шаг 5. Сформулировать выводы и сделать базовые рекомендации по работе с клиентами¶

Качество данных¶

Общие характеристики клиентов, которые склонны к оттоку¶

Рекомендации¶